AdWords-Kampagnen erfolgreich ausbauen: semantische Attribute decken Potentiale auf

Für SEA-Manager ist die regelmäßige Analyse von Keywords entscheidend, um die Performance von AdWords-Konten zu überwachen und zu steuern. Jedoch kann diese Aufgabe aufgrund der enormen Keyword-Menge in den Accounts äußerst mühselig werden. Vor allem dann, wenn man herausfinden möchte, welche “Art” von Keywords hinzugefügt, gelöscht oder modifiziert werden sollten, stößt man an seine Grenzen und muss die Performance auf einer höheren Aggregationsebene, z.B. auf Ad Group- oder Kampagnen-Level, betrachten. 

Semantische Attribute ermöglichen neue Aggregationsebene

Die durchschnittliche Conversion Rate auf Ad-Group- oder Kampagnenebene ist unter Umständen wenig aussagekräftig, wenn die enthaltenen Keywords sehr unterschiedlich performen.

Im folgenden Beispiel besteht die Anzeigengruppe “Adidas Laufzubehör” aus drei Keywords:

  • “adidas sneaker”: CR = 2,0 %
  • “adidas laufhemd”: CR = 0,6 %
  • “adidas schnürsenkel”: CR = 0,1 %

Unter der Annahme, dass der Traffic der drei Keywords ähnlich ist, liegt die Conversion Rate der Ad Group bei 0,9 Prozent. Nun könnte man auf die Idee kommen, diese Ad Group zu ignorieren oder sogar abzuschalten, würde dann aber das Keyword “adidas sneaker” verlieren.

Um derartige Fehlentscheidungen zu vermeiden, nutzen wir ein semantisches Attributsystem, welches in der Lage ist, Keywordstrings zu kategorisieren. Zum Beispiel würde das Keyword “kaufe adidas originals schuhe stan smith” in vier Attribute aufgeteilt werden:

  • kaufe = Buy_Word
  • adidas originals = Designer
  • stan smith = Specific
  • shoes = Category

Dadurch entsteht eine weitere Aggregationsebene, die “näher” an den Keywords, aber nicht ganz so granular, ist.

Attributssystem ermöglicht neue Einblicke in die Performance von AdWords-Konten

Dieses Attributsystem kann auf den gesamten Account angewendet und miteinander kombiniert werden, was dann zu beispielsweise folgender Übersicht führen kann:

Attributkombination ROAS CPC CR CTR NC Rate
Designer 3,9 0,44 2,15 1,87 34,36
DesignerBuy 5,78 0,34 1,98 3,50 39,05
DesignerCat 3,75 0,38 2,01 2,57 34,48
DesignerSpecific 4,04 0,47 2,39 2,73 31,45
DesignerSpecificCat 4,69 0,52 2,85 3,71 35,29

Grafisch lassen sich diese Verhältnisse auch so darstellen:

Performance Attributkombinationen

Hinter der Attributkombination Designer verbergen sich dann beispielsweise Keywords wie “adidas”, “nike” oder “jack wolfskin”. Die Kombination DesignerSpecificCat kann Keywords wie “adidas Schuhe stan smith” umfassen. Der erste Vorteil des Attributsystems ist, das wir nicht länger auf die Google-Struktur alleine angewiesen sind. Anhand der Tabelle sehen wir, dass die Kombination DesignerSpecificCat die höchste Conversion Rate (3,71%) und den höchsten CPC (0,52€) besitzt. An dieser Stelle scheint das Bid-Management bereits die richtigen Gebote abgegeben zu haben.

Keywords können gezielt analysiert und weitere Optimierungsschritte abgeleitet werden

Im folgenden gehen wir vereinfachend davon aus, dass auf den ROAS optimiert und dieser idealerweise einen Wert über 4 haben soll. Als erstes definieren wir nun einen “Patient-Zero”, also eine Basiskombination von welcher aus wir unsere Analyse starten. Diese ist Designer.

Definition: ROAS = Umsatz/Kosten.

Der ROAS wird normalisiert, um eine Vergleichbarkeit zwischen den Attributkombinationen zu ermöglichen. Formal berechnen wir die Normalisierung wie folgt: ROAS_normiert_a = ROAS_unnormiert_a * CPC_a / CPC_ basisKombination. Wie zuvor beschrieben ist der CPC der Attributkombination Designer der Basis CPC, also der ‘Patient-Zero’.
Beispiel: ROAS_normiert_DesignerCat = ROAS_unnormiert_DesignerCat * CPC_DesignerCat / CPC_Designer => 3,24 = 3,75 * 0,38/0,44. Durch diese Betrachtung ist es möglich, den ROAS über die Attributkombinationen zu vergleichen, obwohl das Gebotsmanagement jede Kombination unterschiedlich bepreist.

Nun gilt es zu bestimmen, welche Kombinationen bzw. “Wachstumspfade” die Performance des Accounts bezüglich der ROAS-Vorgabe am effizientesten verbessern können. Hierbei stellen wir einen Ansatz vor, welcher auf dem Attributlevel hilfreich sein kann.

Mittels des CPC kann man den normalisierten ROAS berechnen: 

Attributkombination ROAS CPC normalised ROAS
DesignerSpecificCat 4,69 0,52 5,54
DesignerBuy 5,78 0,34 4,47
DesignerSpecific 4,04 0,47 4,31
Designer 3,9 0,44 3,9
DersignerCat 3,75 0,38 3,24

Unter der Annahme, dass die Warenkorbshöhe unabhängig vom CPC ist und wir allen Bereichen den gleichen Klickpreis zahlen würden, sollte man den Long-Tail-Bereich des Accounts ausbauen, also die Kombination Designer + Specific + Category. Wohingegen die Kombination Designer + Category erstmal nicht im Fokus des SEA-Managers sein sollte.

Geringere Datenmengen, schnellere Entscheidungen

Die Verwendung von semantischen Attributen in der Analyse von Keywords kann ein hilfreiches Mittel sein, um Überlagerungseffekte auszuschließen und eine Analyse näher am Keyword durchzuführen als es Ad Groups oder Kampagnen zulassen würden. Außerdem ist die Datenmenge, welche mit Excel verarbeitet werden muss, erheblich geringer. In einem gut ausgebauten Account verkleinert sich die zu verarbeitende Datenmenge um ca. 90 Prozent. Und dennoch können wir den Charakter von Keyword-Gruppen beschreiben und im Falle von Neukunden eine deutlich bessere Ad Group- und Kampagnenstruktur aufsetzen. Diese ermöglicht es uns schneller Daten zu sammeln und Entscheidungen zu treffen, in welche Richtung ein Account ausgebaut werden sollte.

ABOUT THE AUTHOR


Björn Büchler

I started to work for crealytics in the role of a data analyst in 2013, after I worked in the field of macroeconomic research. In my everyday work I use R in conjunction with RStudio on Linux. My passion are econometrics (9and yes, in my opinion it includes statistics!), "data diggin' ", IT and Baseball.

    Find more about me on:
  • googleplus